PL247693B1

PL247693B1 - Method for processing breath biomarker data, portable device for analyzing the analyte content and biomarker concentration, and computer program product

Info

Publication number: PL247693B1
Application number: PL443399A
Authority: PL
Inventors: Artur Rydosz; Konstanty Marszałek; Dominik Grochala
Original assignee: Advanced Diagnostic Equipment Spolka Z Ograniczona Odpowiedzialnoscia
Priority date: 2023-01-02
Filing date: 2023-01-02
Publication date: 2025-08-25
Also published as: PL443399A1

Abstract

Przedmiotem zgłoszenia jest realizowany komputerowo sposób przetwarzania danych biomarkera oddechu na sygnał informujący o konieczności przyjęcia leku przez pacjenta, według zgłoszenia cechuje się tym, że do przetwarzania oprócz danych biomarkera oddechu wykorzystuje się dane o: temperaturze pacjenta, temperaturze otoczenia, porze dnia, zaś do przetwarzania stosuje się sieć neuronową wytrenowaną z wykorzystaniem danych tego pacjenta. Zgłoszenie obejmuje również urządzenie przenośne do analizy zawartości analitu i stężenia biomarkera, przystosowane do realizacji sposobu według zgłoszenia oraz produkt programu komputerowego zawierający ciąg instrukcji dla przenośnego urządzenia do analizy zawartości analitu i stężenia biomarkera, który cechuje się tym, że uruchomiony na urządzeniu według zgłoszenia realizuje sposób według zgłoszenia.The subject of the application is a computer-implemented method for processing respiratory biomarker data into a signal informing a patient that medication should be administered. According to the application, the method is characterized in that, in addition to the respiratory biomarker data, the processing utilizes data on the patient's temperature, ambient temperature, and time of day. A neural network trained using the patient's data is used for the processing. The application also includes a portable device for analyzing analyte content and biomarker concentration, adapted to implement the method according to the application, and a computer program product containing a sequence of instructions for the portable device for analyzing analyte content and biomarker concentration, which, when run on the device according to the application, implements the method according to the application.

Description

Opis wynalazkuDescription of the invention

DziedzinaField

Przedmiotem wynalazku jest realizowany komputerowo sposób przetwarzania danych biomarkera oddechu na sygnał informujący o konieczności przyjęcia leku przez pacjenta oraz urządzenie przenośne do realizacji sposobu i produkt programu komputerowego.The subject of the invention is a computer-implemented method of processing respiratory biomarker data into a signal informing about the need for a patient to take medication, and a portable device for implementing the method and a computer program product.

Stan technikiState of the art

W stanie techniki są znane liczne przenośne przyrządy do wykrywania stężenia analitu we krwi oraz określonych biomarkerów w oddechu oraz sposoby zbierania i interpretacji danych pomiarowych. Czujniki do badania stężenia analitu we krwi znane są z publikacji Hassan, Mohamed H., Cian Vyas, Bruce Grieve, and Paulo Bartolo. 2021. Recent Advances in Enzymatic and Non-Enzymatic Electrochemical Glucose Sensing Sensors 21, no. 14: 4672. https://doi.org/10.3390/s21144672 .Numerous portable devices for detecting analyte concentration in blood and specific biomarkers in breath, as well as methods for collecting and interpreting measurement data, are known in the art. Sensors for measuring analyte concentration in blood are known from the publication by Hassan, Mohamed H., Cian Vyas, Bruce Grieve, and Paulo Bartolo. 2021. Recent Advances in Enzymatic and Non-Enzymatic Electrochemical Glucose Sensing Sensors 21, no. 14: 4672. https://doi.org/10.3390/s21144672 .

Szczególnie intensywne prace dotyczą pomiarów stężenia insuliny we krwi z uwagi na powszechność cukrzycy i związaną z jej leczeniem i profilaktyką konieczność monitorowania poziomu glukozy.Particularly intensive work is being done on measuring insulin levels in the blood due to the prevalence of diabetes and the need to monitor glucose levels in its treatment and prevention.

Oznaczanie cukrzycy na podstawie badania krwi daje precyzyjny wynik. Dla pacjenta wiąże się jednak z negatywnym bodźcem jakim jest ból przy ukłuciu oraz, w przypadku niektórych pacjentów, fobia związana z igłami. Statystycznie okazuje się, że pacjenci częściej zaniedbują badania krwi, niż bezinwazyjne metody badania takie jak pomiar biomarkerów w oddechu. Przykład przenośnego czujnika do analizy zawartości biomarkera (acetonu) w oddechu znany jest z Sorocki, Jakub, and Artur Rydosz. 2019. A Prototype of a Portable Gas Analyzer for Exhaled Acetone Detection Applied Sciences 9, no. 13: 2605. https://doi.org/10.33 90/app9132605.Diabetes testing based on a blood test provides precise results. However, it is associated with a negative stimulus for the patient, such as needle-prick pain and, for some, needle phobia. Statistically, patients are more likely to neglect blood tests than non-invasive testing methods such as measuring biomarkers in breath. An example of a portable sensor for analyzing biomarker (acetone) content in breath is known from Sorocki, Jakub, and Artur Rydosz. 2019. A Prototype of a Portable Gas Analyzer for Exhaled Acetone Detection. Applied Sciences 9, no. 13: 2605. https://doi.org/10.33 90/app9132605.

Z artykułu Pappada SM, Cameron BD, Rosman PM. Development of a neural network for prediction of glucose concentration in type 1 diabetes patients. J Diabetes Sci Technol. 2008 Sep; 2(5):792801. doi:10.1177/193229680800200507. PMID: 19885262; PMCID: PMC2769804 znane jest zastosowanie sieci neuronowych do predykcji stężenia glukozy we krwi. Wykorzystanie sieci neuronowych do dozowania insuliny znane jest z publikacji de Farias, J.L.C.B.; Bessa, W.M. Intelligent Control with Artificial Neural Networks for Automated Insulin Delivery Systems. Bioengineering 2022, 9, 664 (https://doi.org/10.3390/), zaś z artykułu Tang, B.; Yuan, Y.; Yang, J.; Qiu, L.; Zhang, S.; Shi, J. Predicting Blood Glucose Concentration after Short-Acting Insulin Injection Using Discontinuous Injection Records. Sensors 2022, 22, 8454. (https://doi.org/10.3390/s22218454) oraz z E. M. Aiello, G. Lisanti, L. Magni, M. Musci, C. Toffanin, Therapy-driven deep glucose forecasting, Engineering Applications of Artificial Intelligence 87 (2020) znane są sposoby predykcji stężenia glukozy po podaniu insuliny, za pomocą sieci neuronowych.From the article by Pappada SM, Cameron BD, Rosman PM. Development of a neural network for prediction of glucose concentration in type 1 diabetes patients. J Diabetes Sci Technol. 2008 Sep; 2(5):792801. doi:10.1177/193229680800200507. PMID: 19885262; PMCID: PMC2769804 the use of neural networks for prediction of blood glucose concentration is known. The use of neural networks for insulin dosing is known from the publications by de Farias, J.L.C.B.; Bessa, W.M. Intelligent Control with Artificial Neural Networks for Automated Insulin Delivery Systems. Bioengineering 2022, 9, 664 (https://doi.org/10.3390/), and from the article by Tang, B.; Yuan, Y.; Yang, J.; Qiu, L.; Zhang, S.; Shi, J. Predicting Blood Glucose Concentration after Short-Acting Insulin Injection Using Discontinuous Injection Records. Sensors 2022, 22, 8454. (https://doi.org/10.3390/s22218454) and from E. M. Aiello, G. Lisanti, L. Magni, M. Musci, C. Toffanin, Therapy-driven deep glucose forecasting, Engineering Applications of Artificial Intelligence 87 (2020) methods of predicting glucose concentration after insulin administration using neural networks are known.

Przegląd znanych rozwiązań zastosowania sieci neuronowych do interpretacji danych z biomarkerów oddechu do analizy cukrzycy jest znany z artykułu Review of the algorithms used in exhaled breath analysis for the detection of diabetes, by Anna Paleczek and Artur Rydosz 2022 J. Breath Res. 16 026003 (DOI 10.1088/1752-7163/ac4916). Dostępna jest również biblioteka do implementacji sieci neuonowych XGBoost działająca w oparciu o algorytm ujawniony w artykule Hinton, Geoffrey E., Connectionist learning procedures, Artificial intelligence, vol.40, pp.185-234, 1989.A review of known solutions for using neural networks to interpret breath biomarker data for diabetes analysis is available from the article "Review of the algorithms used in exhaled breath analysis for the detection of diabetes," by Anna Paleczek and Artur Rydosz, 2022 J. Breath Res. 16 026003 (DOI 10.1088/1752-7163/ac4916). A library for implementing neural networks, XGBoost, is also available, based on the algorithm disclosed in the article "Hinton, Geoffrey E., Connectionist learning procedures," Artificial intelligence, vol. 40, pp. 185-234, 1989.

Urządzenia przenośne do pomiaru biomarkerów w oddechu takie jak znane z polskiego patentu Pat.232385 lub europejskiego patentu EP2561509B1 są mniej precyzyjne, niż badanie krwi, a jednocześnie wymagają złożonej obróbki próbki dla uzyskania miarodajnego wyniku. Z dokumentu CN110575181 znane jest rozwiązanie pozwalające oznaczać poziom glukozy za pomocą promieniowania w paśmie bliskiej podczerwieni oraz sieci neuronowej. Nieinwazyjne personalizowane urządzenie oznaczające poziom glukozy na za pomocą sieci neuronowej znane jest również z US2020367833A1. Z dokumentu US2021212606A1 znany jest sposób monitorowania stężenia glukozy we krwi za pomocą sieci neuronowej przetwarzającej dane z rozmaitych czujników, w tym biomarkerów oddechu, temperatury i czasu. Sieć neuronowa wymaga wytrenowania na podstawie danych zbieranych za pomocą inwazyjnego przyrządu klasy medycznej. Podobne rozwiązanie znane jest z CN108968975 w tym dokumencie, w którym dodatkowo przewidziano możliwość dodatkowego trenowania sieci po trenowaniu początkowym. Te dokumenty wskazują na to, że na wynikach działania sieci można polegać i brak jest wzmianki o konieczności lub ewentualności weryfikacji.Portable devices for measuring biomarkers in breath, such as those described in Polish patent Pat.232385 or European patent EP2561509B1, are less precise than blood tests and require complex sample processing to obtain reliable results. Document CN110575181 describes a solution for determining glucose levels using near-infrared radiation and a neural network. A non-invasive, personalized device for determining glucose levels using a neural network is also known from US2020367833A1. Document US2021212606A1 describes a method for monitoring blood glucose levels using a neural network that processes data from various sensors, including biomarkers of breath, temperature, and time. The neural network requires training based on data collected using an invasive, medical-grade device. A similar solution is known from CN108968975 in this document, which additionally provides for the possibility of additional training of the network after the initial training. These documents indicate that the network's results can be relied on and there is no mention of the necessity or possibility of verification.

Z międzynarodowego zgłoszenia patentowego WO200920647 znany jest przenośny przyrząd zawierający zarówno urządzenie do badania krwi, jak i urządzenie do oznaczenia biomarkerów w oddechu. Zapewniają one redundancję danych przesyłanych lekarzowi i ułatwiają diagnozę.International patent application WO200920647 describes a portable device containing both a blood test device and a breath biomarker device. These devices provide redundancy in data transmitted to the physician and facilitate diagnosis.

Problem rozwiązywany przez wynalazekThe problem solved by the invention

Brak jest rozwiązania umożliwiającego ograniczenie liczby wkłuć w pacjenta, przy jednoczesnym zapewnieniu pewności wykrycia stanu wymagającego przyjęcia leku lub interwencji lekarza.There is no solution that would allow for limiting the number of injections into the patient while ensuring the certainty of detecting a condition requiring medication or medical intervention.

Istota wynalazkuThe essence of the invention

Realizowany komputerowo sposób przetwarzania danych biomarkera oddechu na sygnał informujący o konieczności przyjęcia leku przez pacjenta, zgodnie z wynalazkiem, cechuje się tym, że do przetwarzania, oprócz danych biomarkera oddechu, wykorzystuje się dane o: temperaturze pacjenta, temperaturze otoczenia oraz porze dnia. Do przetwarzania stosuje się sieć neuronową wytrenowaną z wykorzystaniem danych tego pacjenta do wystawiania sygnału reprezentującego: brak konieczności przyjęcia leku, konieczność przyjęcia leku, lub konieczność weryfikacji przeprowadzenia pomiaru za pomocą pierwszego czujnika zawartości glukozy we krwi. Przetwarzanie poprzedza się trenowaniem sieci neuronowej, w którym do dostarcza się dane treningowe dotyczące: wyniku pomiaru biomarkera oddechu, wyniku pomiaru stężenia analitu we krwi, temperaturze pacjenta, temperaturze otoczenia, dacie, godzinie oraz porze dnia. Na etapie treningu dopuszcza się nadmiarowe badanie krwi.A computer-implemented method for processing respiratory biomarker data into a signal informing the patient that medication is needed, according to the invention, is characterized in that, in addition to the respiratory biomarker data, data on the patient's temperature, ambient temperature, and time of day are used for processing. A neural network trained using this patient's data is used for processing to generate a signal representing: no need to take medication, the need to take medication, or the need to verify the measurement using the first blood glucose sensor. Processing is preceded by training the neural network, which provides training data on: the respiratory biomarker measurement result, the analyte concentration measurement result in the blood, the patient's temperature, ambient temperature, date, time, and time of day. Redundant blood tests are permitted during the training stage.

Korzystnie, analit stanowi glukoza, a biomarker stanowi aceton. Dzięki temu można ustalić zasadność podania insuliny w toku leczenia cukrzycy.Preferably, the analyte is glucose and the biomarker is acetone. This allows for determining the appropriateness of insulin administration in diabetes management.

Urządzenie przenośne do analizy zawartości analitu i stężenia biomarkera, według wynalazku zawiera układ kontrolno-sterujący zaopatrzony w pamięć oraz połączone z nim pierwszy układ pomiarowy do pomiaru zawartości analitu we krwi, wymagający wkłucia, drugi układ pomiarowy do pomiaru stężenia biomarkera w oddechu, interfejs użytkownika oraz moduł komunikacyjny do przesyłania danych. Układ kontrolno-sterujący jest przystosowany do: odczytu wskazania pierwszego układu pomiarowego analitu we krwi, odczytu wskazania drugiego układu pomiarowego stężenia biomarkera, wystawiania na interfejs użytkownika sygnału o konieczności przyjęcia leku. Zgodnie z wynalazkiem, urządzenie zawiera ponadto czujnik temperatury pacjenta, czujnik temperatury otoczenia oraz układ lokalizacyjny. Układ kontrolno-sterujący jest ponadto przystosowany do: odczytu czasu z modułu komunikacyjnego i/lub modułu lokalizacyjnego, przetwarzania tych danych na porę dnia, odczytu wskazania czujnika temperatury pacjenta, odczytu wskazania czujnika temperatury otoczenia, przesyłania odczytanych danych za pośrednictwem układu komunikacyjnego na zewnętrzny serwer. Ponadto układ kontrolnosterujący jest przystosowany do odbierania z zewnętrznego serwera współczynników sieci neuronowej, zapisywania ich w pamięci, uruchomienia sieci neuronowej oraz przetwarzania za jej pomocą sygnału z drugiego układu pomiarowego do pomiaru stężenia biomarkera, na wystawiany na interfejs użytkownika sygnał reprezentujący: brak konieczności przyjęcia leku, konieczność przyjęcia leku lub konieczność weryfikacji przeprowadzenia pomiaru za pomocą pierwszego układu pomiarowego zawartości analitu we krwi.A portable device for analyzing analyte content and biomarker concentration, according to the invention, comprises a control system equipped with memory and a first measurement system for measuring analyte content in blood, requiring injection, a second measurement system for measuring biomarker concentration in breath, a user interface, and a communication module for data transmission. The control system is adapted to: read the reading of the first measurement system for the analyte in blood, read the reading of the second measurement system for the biomarker concentration, and display a signal to the user interface indicating the need to take medication. According to the invention, the device further comprises a patient temperature sensor, an ambient temperature sensor, and a location sensor. The control system is further adapted to: read the time from the communication module and/or the location module, process this data to the time of day, read the reading of the patient temperature sensor, read the reading of the ambient temperature sensor, and transmit the read data via the communication system to an external server. Furthermore, the control system is adapted to receive neural network coefficients from an external server, save them in memory, run the neural network and use it to process a signal from a second measuring system for measuring the biomarker concentration into a signal displayed on the user interface representing: no need to take the drug, need to take the drug or need to verify the measurement using the first measuring system of the analyte content in blood.

Produkt programu komputerowego, zawierający ciąg instrukcji dla przenośnego urządzenia do analizy zawartości analitu i stężenia biomarkera, zgodnie z wynalazkiem, cechuje się tym, że uruchomiony na urządzeniu według wynalazku, realizuje sposób według wynalazku.A computer program product containing a sequence of instructions for a portable device for analyzing analyte content and biomarker concentration, in accordance with the invention, is characterized in that when run on the device according to the invention, it performs the method according to the invention.

Nieoczekiwanie okazało się, że wykorzystanie w modelu predykcyjnym, bazującym po wytrenowaniu na danych pacjenta, można znacząco ograniczyć liczbę pomiarów stężenia glukozy we krwi i niezbędnych wkłuć dla normalnego funkcjonowania pacjenta. Liczba niezbędnych nakłuć daje się zredukować do 1-2 dziennie w celu utrzymania kalibracji oraz na wypadek zmian profilu dobowego spowodowanego przez niezależne czynniki lub choroby.Unexpectedly, using a predictive model trained on patient data can significantly reduce the number of blood glucose measurements and the number of punctures required for normal patient functioning. The number of punctures required can be reduced to one or two per day to maintain calibration and to address changes in the daily profile caused by external factors or illness.

Opis figury rysunkuDescription of the drawing figure

Przedmiot wynalazku został ukazany w przykładach wykonania przedstawionych w odniesieniu do rysunku, na którym Fig. 1 przedstawia schemat blokowy urządzenia według wynalazku.The subject of the invention is shown in embodiment examples presented with reference to the drawing, in which Fig. 1 shows a block diagram of the device according to the invention.

Opis przykładów wykonaniaDescription of implementation examples

Sposób według wynalazku realizuje się w jednostce centralnej lub innym układzie programowalnym bądź w dedykowanym układzie urządzenia przenośnego do analizy zawartości analitu i stężenia biomarkera.The method according to the invention is carried out in a central unit or other programmable system or in a dedicated portable device system for analyzing the analyte content and biomarker concentration.

Urządzenie zawiera układ kontrolno-sterujący 110 zaopatrzony w pamięć 101 oraz połączone z nim pierwszy układ pomiarowy 111 do pomiaru zawartości analitu we krwi, drugi układ pomiarowy 112 do pomiaru stężenia biomarkera w oddechu, interfejs użytkownika 120 oraz moduł komunikacyjny 130 do przesyłania danych na zewnętrzny serwer. Urządzenie zawiera ponadto czujnik temperatury pacjenta 113, czujnik temperatury otoczenia 114 oraz układ lokalizacyjny 115.The device comprises a control and monitoring system 110 provided with a memory 101 and a first measuring system 111 connected thereto for measuring the analyte content in blood, a second measuring system 112 for measuring the concentration of a biomarker in the breath, a user interface 120, and a communication module 130 for transmitting data to an external server. The device further comprises a patient temperature sensor 113, an ambient temperature sensor 114, and a localization system 115.

W niniejszym przykładzie wykonania pierwszy układ pomiarowy do pomiaru zawartości analitu we krwi stanowi enzymatyczny amperometryczny biosensor glukozy omówiony w artykule Hassan, Mohamed H., Cian Vyas, Bruce Grieve, and Paulo Bartolo. 2021. Recent Advances in Enzymatic and NonEnzymatic Electrochemical Glucose Sensing Sensors 21, no. 14: 4672. https://doi.org/10.3390/s21144672. Znawca jest w stanie rutynowo dobrać inne przenośne układy i czujniki.In the present embodiment, the first measuring system for measuring analyte content in blood is an enzymatic amperometric glucose biosensor discussed in the article by Hassan, Mohamed H., Cian Vyas, Bruce Grieve, and Paulo Bartolo. 2021. Recent Advances in Enzymatic and NonEnzymatic Electrochemical Glucose Sensing Sensors 21, no. 14: 4672. https://doi.org/10.3390/s21144672. One of ordinary skill in the art is able to routinely select other portable systems and sensors.

W niniejszym przykładzie wykonania drugi układ pomiarowy analitu we krwi stanowi czujnik stężenia acetonu znany z artykułu autorstwa Sorocki, Jakub, and Artur Rydosz. 2019. A Prototype of a Portable Gas Analyzer for Exhaled Acetone Detection Applied Sciences 9, no. 13: 2605. https://doi.org/10.33 90/app9132 605.In this embodiment, the second blood analyte measurement system is an acetone concentration sensor known from the article by Sorocki, Jakub, and Artur Rydosz. 2019. A Prototype of a Portable Gas Analyzer for Exhaled Acetone Detection Applied Sciences 9, no. 13: 2605. https://doi.org/10.33 90/app9132 605.

Jako czujnik temperatury zastosowano układ scalony SHT75 firmy Sensirion.The SHT75 integrated circuit from Sensirion was used as the temperature sensor.

Jako układ lokalizacyjny zastosowano scalony układ SIRFstarlll. Układ ten służy również do określania czasu. Współrzędne przestrzenne oraz informacje o czasie przetwarza się na porę dnia.The SIRFstarlll integrated circuit was used as the localization system. This system is also used to determine time. Spatial coordinates and time information are converted into time of day.

Jako układ komunikacyjny 130 zastosowano modem LTE połączony za pośrednictwem sieci komunikacyjnej z zewnętrznym serwerem. W związku z synchronizacją sieci telekomunikacyjnej układ komunikacyjny 130 dostarcza układowi kontrolno-sterującemu 110 sygnału reprezentującego czas. Sygnał ten wykorzystuje się w razie niedostępności sygnału lokalizującego lub niedostatecznej liczby widocznych satelitów GPS. Dodatkowo można zastosować wewnętrzny układ 102 do pomiaru czasu i daty do stosowania w sytuacjach, w których użytkownik pozostaje przez długi czas poza zasięgiem sieci komunikacyjnej i sygnału lokalizującego GPS.The communication system 130 is an LTE modem connected via a communication network to an external server. In connection with synchronization of the telecommunications network, the communication system 130 provides a signal representing the time to the control and monitoring system 110. This signal is used in the event of unavailability of a location signal or an insufficient number of visible GPS satellites. Additionally, an internal time and date measurement system 102 can be used for situations in which the user remains out of range of the communication network and the GPS location signal for an extended period.

Zamiast modemu LTE jako układ komunikacyjny 130 można zastosować moduł bluetooth Low Energy, komunikujący się z urządzeniem mobilnym użytkownika. Wówczas urządzenie to jest zaopatrzone w aplikację komunikującą się z urządzeniem według przykładu wykonania wynalazku, wyświetlającą wyniki i przesyłającą je na serwer. Taka konfiguracja może uzupełniać lub stanowić interfejs użytkownika 120.Instead of an LTE modem, a Bluetooth Low Energy module can be used as the communication system 130, communicating with the user's mobile device. In such a case, the device is equipped with an application that communicates with the device according to an embodiment of the invention, displays results, and transmits them to a server. Such a configuration may complement or constitute the user interface 120.

Układ kontrolno-sterujący 110 jest przystosowany do: odczytu wskazania pierwszego układu pomiarowego 111 zawartości glukozy we krwi oraz do odczytu wskazania drugiego układu pomiarowego 112 stężenia acetonu.The control and monitoring system 110 is adapted to: read the indication of the first measuring system 111 of the blood glucose content and to read the indication of the second measuring system 112 of the acetone concentration.

Urządzenie według wynalazku jest zaopatrzone w interfejs użytkownika 120, na który jest wystawiany sygnał sygnału o konieczności przyjęcia leku lub o konieczności przeprowadzenia dodatkowego pomiaru - weryfikacyjnego. Interfejs użytkownika stanowią w niniejszym przykładzie diody świecące. Czerwona oznacza konieczność przyjęcia leku, żółta migająca wolno konieczność przeprowadzenia pomiaru zawartości biomarkera w oddechu, zaś żółta migająca szybko oznacza konieczność przeprowadzenia weryfikacyjnego pomiaru stężenia glukozy we krwi, zaś zielona wynik pomiaru oznaczający brak konieczności przyjęcia leku. Alternatywnie można stosować sygnały dźwiękowe lub ograniczyć interfejs użytkownika do układu komunikacyjnego sparowanego z urządzeniem mobilnym użytkownika i wysyłającego sygnały reprezentujące konieczność pomiaru, konieczność przyjęcia leku, wynik pomiaru etc.The device according to the invention is equipped with a user interface 120, which displays a signal indicating the need to take medication or the need to perform an additional verification measurement. In this example, the user interface consists of light-emitting diodes. Red indicates the need to take medication, slowly flashing yellow indicates the need to measure a biomarker in the breath, rapidly flashing yellow indicates the need to perform a verification blood glucose measurement, and green indicates the measurement result indicates the need to take medication. Alternatively, audible signals can be used, or the user interface can be limited to a communication system paired with the user's mobile device, which sends signals representing the need to take a measurement, the need to take medication, the measurement result, etc.

Układ kontrolno-sterujący 110 jest przystosowany do: odczytu z pierwszego układu pomiarowego 111 i drugiego układu pomiarowego 112, odczytu czasu z modułu komunikacyjnego 130 i/lub modułu lokalizacyjnego 115, lub modułu zegara 102 oraz przetwarzania tych danych na porę dnia, odczytu wskazania czujnika temperatury pacjenta, odczytu wskazania czujnika temperatury pacjenta, przesyłania odczytanych danych na zewnętrzny serwer. Dodatkowo układ kontrolno-sterujący 110 jest przystosowany do odbierania z zewnętrznego serwera współczynników sieci neuronowej i zapisywania ich w pamięci, a następnie uruchomienia sieci neuronowej oraz przetwarzania za jej pomocą sygnału z drugiego układu 112 pomiarowego do pomiaru stężenia acetonu, na wystawiany na omówiony powyżej interfejs użytkownika 120 sygnał reprezentujący: brak konieczności przyjęcia leku, konieczność przyjęcia leku lub konieczność weryfikacji przeprowadzenia pomiaru za pomocą pierwszego czujnika zawartości glukozy we krwi. Tym samym program uruchomiony na układzie kontrolno-pomiarowym realizuje sposób według wynalazku.The control system 110 is adapted to: read from the first measuring system 111 and the second measuring system 112, read the time from the communication module 130 and/or the location module 115, or the clock module 102 and process this data into the time of day, read the reading from the patient's temperature sensor, read the reading from the patient's temperature sensor, and transmit the read data to an external server. Additionally, the control system 110 is adapted to receive neural network coefficients from an external server and store them in memory, and then run the neural network and use it to process the signal from the second measuring system 112 for measuring acetone concentration into a signal displayed on the user interface 120 discussed above, representing: no need to take medication, need to take medication, or need to verify the measurement performed using the first blood glucose sensor. Thus, the program running on the control system implements the method according to the invention.

Dzięki wytrenowaniu sieci neuronowej na zewnętrznym serwerze można rozpocząć stosowanie urządzenia według przykładu wynalazku z siecią neuronową już wytrenowaną na ogólnych danych. Kluczowe jest precyzyjne wykrywanie sytuacji w której pomiar za pomocą drugiego układu pomiarowego biomarkera oddechu należy powtórzyć. Zastosowanie sieci neuronowej zapewnia czułość i swoistość tego wykrycia dzięki czemu do minimum ogranicza się konieczność wykonywania wkłucia niezbędnego dla pomiaru krwi a przykrego dla pacjenta i zniechęcającego go do stosowania urządzenia według wynalazku.By training the neural network on an external server, you can begin using the device according to the invention with the neural network already trained on general data. Precise detection of situations in which the measurement using the second respiratory biomarker measurement system should be repeated is crucial. The use of the neural network ensures the sensitivity and specificity of this detection, minimizing the need for needle insertion, which is necessary for blood sampling and is unpleasant for the patient and discourages them from using the device according to the invention.

W niniejszym przykładzie zastosowano wielowarstwową sieć neuronową z biblioteki XGBOost model DGF (ang. Deep Glucose Forecasting) oraz kaskadowe połącznie dwóch sieci neuronowych LSTM (ang. Long short-term memory) według E. M. Aiello, G. Lisanti, L. Magni, M. Musci, C. Toffanin, Therapy-driven deep glucose forecasting, Engineering Applications of Artificial Intelligence 87 (2020) 103255.In this example, a multi-layer neural network from the XGBOost library, the DGF (Deep Glucose Forecasting) model, and a cascaded connection of two LSTM (Long short-term memory) neural networks according to E. M. Aiello, G. Lisanti, L. Magni, M. Musci, C. Toffanin, Therapy-driven deep glucose forecasting, Engineering Applications of Artificial Intelligence 87 (2020) 103255, were used.

Pomiar biomarkera oddechu jest mniej przykry, dlatego gdy tylko jest to możliwe i bezpieczne dla pacjenta, należy polegać wyłącznie na tym pomiarze. Sieć neuronowa poprawia czułość i swoistość interpretacji pomiaru i przetwarzania danych biomarkera oddechu na sygnał informujący o konieczności przyjęcia leku przez pacjenta, dzięki wykorzystaniu korelacji z temperaturą pacjenta/użytkownika, temperaturą otoczenia, czasem (porą dnia). Już dane zebrane z populacji są użyteczne, a z czasem dalszą poprawę uzyskuje się wykorzystując dane pacjenta. W początkowym etapie trenowania na danych pacjenta układ kontrolno-sterujący może dopuścić nadmiarowe badanie krwi służące poprawie trenowania sieci.Measuring a respiratory biomarker is less unpleasant, so whenever possible and safe for the patient, it should be relied on exclusively. The neural network improves the sensitivity and specificity of the measurement interpretation and converts the respiratory biomarker data into a signal informing the patient to take medication by leveraging correlations with patient/user temperature, ambient temperature, and time (time of day). Data collected from the population is already useful, and over time, further improvements can be achieved using patient data. In the initial stage of training on patient data, the control system can allow for redundant blood tests to improve network training.

Ostatecznie, do przetwarzania stosuje się sieć neuronową wytrenowaną z wykorzystaniem danych tego pacjenta, przetwarzanie poprzedza się trenowaniem sieci neuronowej, w którym do trenowania dostarcza się dane o:Finally, a neural network trained using this patient's data is used for processing. The processing is preceded by training the neural network, in which data for training are provided about:

• wyniku pomiaru biomarkera oddechu, • wyniku pomiaru stężenia analitu we krwi, • temperaturze pacjenta, • temperaturze otoczenia, • dacie, godzinie oraz porze dnia.• result of the respiratory biomarker measurement, • result of the measurement of the analyte concentration in the blood, • patient temperature, • ambient temperature, • date, time and time of day.

Chociaż sposób według wynalazku został omówiony na przykładzie w którym analit stanowi glukoza, a biomarker stanowi aceton tj. na przykładzie do leczenia cukrzycy, to można go uogólnić na inne schorzenia.Although the method of the invention has been discussed using an example where the analyte is glucose and the biomarker is acetone, i.e. for the treatment of diabetes, it can be generalized to other diseases.

Claims

Patent claims

1. A computer-implemented method of processing respiratory biomarker data and sensor data using a neural network into a signal informing about the need for a patient to take medication, characterized in that the neural network trained using data obtained from a portable device from a first blood glucose sensor, from a second patient respiratory biomarker sensor, patient temperature, ambient temperature, and time of day is used to output a signal representing:

no need to take medication, necessity to take medication, or necessity to verify the measurement using the first blood glucose sensor, wherein under the measurement conditions the said signal is generated on the basis of data from the second biomarker sensor of the patient's breathing, the patient's temperature, the ambient temperature, and the time of day, and during the training stage, redundant blood testing is permitted, wherein both the data used for training and the data for measurement are collected using a portable device worn by the patient.

2. The method according to claim 1, characterized in that the analyte is glucose and the biomarker is acetone.

3. A portable device for analyzing the content of an analyte and the concentration of a biomarker, comprising a control and monitoring system (110) provided with a memory (101) and a second measuring system (112) connected thereto for measuring the concentration of a biomarker in the breath, a set of sensors, a user interface (120) and a communication module (130) for transmitting data, wherein the control and monitoring system (110) is adapted to read a signal from the second measuring system (112) and from the set of sensors and to output a signal to the user interface (120) about the need to take a medicine, characterized in that it further comprises a first measuring system (111) for measuring the content of an analyte in blood, requiring an injection, connected to the control and monitoring system (110), and the set of sensors includes a patient temperature sensor (113), an ambient temperature sensor (114) and a localization system (115), and the control and monitoring system (110) is further adapted to:

reading the indication of the first measuring system (111) of the analyte in the blood, reading the indication of the second measuring system (112) of the biomaker concentration, reading the time from the communication module (130) and/or the localization module (115), processing these data into the time of day, reading the indication of the patient's temperature sensor, reading the indication of the ambient temperature sensor, and furthermore the control and monitoring system (110) is adapted to process the reading of the indication of the second measuring system (112) of the biomaker concentration, time of day, patient's temperature, ambient temperature, using a neural network trained on data read by the control and monitoring system (110) into a signal displayed on the user interface representing one of the following states:

no need to take the medication, need to take the medication or need to verify the measurement using the first measuring system (111) of the analyte content in the blood.

4. A computer program comprising a sequence of instructions for a portable device for analyzing analyte content and biomarker concentration, characterized in that when run on the device according to claim 3 it performs the method according to claim 1.